ElevenLabs, zorunlu hizalama modeli Cue'yu tanıttı

ElevenLabs Research, transkripti zaman damgalarına dönüştüren adım olan Cue adlı zorunlu hizalama modelini tanıttı. Altyazılar, dublaj ve tıklanabilir transkriptler için kullanılan model, her karakteri ses zaman çizelgesine yerleştiriyor.

ElevenLabs'ın iddiaları (kendi kıyaslama testi; bağımsız olarak doğrulanmadı):

• Cue, her uzunluktaki kaydı tek geçişte işliyor. Şirkete göre açık kaynaklı hizalayıcıların çoğu, sınırlı sayıda dilde kısa ve temiz kayıtlar için tasarlanmış.
• Gerçek dünya seslerinde, kıyaslama testindeki 29 dilin tamamında ElevenLabs'ın test ettiği tüm açık kaynaklı hizalayıcılardan daha doğru sonuç verdi.
• Bir saatlik sesi tek bir GPU'da yaklaşık yarım saniyede hizalıyor.

Cue, ElevenLabs'taki tüm Speech to Text transkripsiyonlarına şimdiden güç veriyor ve ayrıca Forced Alignment API üzerinden kullanılabiliyor.